P. 1
Dasar Logika Fuzzy

Dasar Logika Fuzzy

|Views: 49|Likes:
Published by Reyvan Gabriel

More info:

Published by: Reyvan Gabriel on Jun 29, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

11/05/2012

pdf

text

original

Dasar - Dasar Pemahaman Logika Fuzzy (Bagian 1) Pada pertengahan 1960, Prof.

Lotfi Zadeh dari universitas California di Barkeley menemukan bahwa hukum benar atau salah dari logika boolean tidak memperhitungkan beragam kondisi yang nyata. Untuk menghitung gradasi yang tak terbatas jumlahnya antara benar dan salah, Zadeh mengembangkan ide penggolongan set yang ia namakan set fuzzy. Tidak seperti logika boolean, logika fuzzy memiliki banyak nilai. Tidak seperti elemen yang dikategorikan 100% ini atau itu, atau sebuah dalil yang menyatakan semuanya benar atau seluruhnya salah, fuzzy membaginya dalam derajat keanggotaan dan derajat kebenaran, yaitu : sesuatu yang dapat menjadi sebagian benar dan sebagian salah pada waktu yang sama. Hal ini telah dibuktikan oleh Bart Kosko bahwa logika boolean adalah kasus kusus dari logika fuzzy. Lotfi Zadeh mengatakan Integrasi Logika Fuzzy kedalam sistem informasi dan rekayasa proses adalah menghasilkan aplikasi seperti sistem kontrol, alat alat rumah tangga, dan sistem pengambil keputusan yang lebih fleksibel, mantap, dan canggih dibandingkan dengan sistem konvensional. Dalam hal ini kami dapat mengatakan bahwa logika fuzzy memimpin dalam pengembangan kecerdasan mesin yang lebih tinggi ( machine Intelligency Quotient / MIQ ) Produk produk berikut telah menggunakan logika fuzzy dalam alat alat rumah tangga seperti mesin cuci, video dan kamera refleksi lensa tunggal, pendingin ruangan, oven microwave, dan banyak sistem diagnosa mandiri. Keuntungan lain dari MIQ adalah Pemakaian yang lebih mudah digunakan, Kemandirian yang lebih tinggi, Kinerja yang lebih baik Dengan logika Fuzzy para ahli teknik penjual software dan desainer dapat membuat mesin yang dapat merespon secara lebih pintar pada keadaan yang tidak tepat dan sring memiliki kondisi yang berlawanan dengan dunia luar. Secara eksplisit bekerja dengan informasi yang amat banyak, sinyal kontrol sebagai kondisi, dan masukan yang tidak tepat bagi sistem perangkat lunak yang akan membuat mesin ini menirunya. Dengan kata lain jalan bagi kita, manusia, merespon dunia luar. Kesamaan antara perilaku mesin dan perilaku manusia akan mereduksi kebutuhan akan kontrol luar yang kompleks, membuat mesin lebih “beralasan”. Dan membantu pabrik dalam komputerisasiyang berguna dalam kehidupan kita sehari -hari.

Sebagi contoh, apakah 80 derajat fahrenheit tergolong hangat atau panas? Dalam logika fuzzy, dan dalam dunia nyata, “kedua-duanya benar” mungkin merupakan jawabannya. Seperti yang anda lihat pada grafik fuzzy dibawah ini, 80 derajat adalah sebagian hangat dan sebagian panas dalam gambaran set fuzzy. Sementara hal ini dapat dibenarkan bahwa tumpang tindih antara set dapat terjadi dalam logika boolean, transisi dari set ke set terjadi seketika itu juga ( yaitu elemen yang dapat menjadi anggota set atau tidak ). Dengan logika fuzzy, sementara itu, transisi dapat bertingkat – tingkat ( yaitu elemen dapat memiliki sebagian keanggotaan dalam sejumlah set )

perubahan kecil temperatur akan memberikan hasil perubahan yang tidak jelas pada kinerja sistem. 79. Perubahan kecil dalam sistem dapat menyebabkan perbedaan reaksi yang berarti. Dalam sistem fuzzy.1 derajat dapat diklasifikasikan sebagai panas. . dan 80.9 derajat dapat diklasifikasikan sebagai hangat.Dalam logika klasik menggunakan set konvensional yang ditunjukkan dibawah.

Sebagai contoh temperatur 80 derajat fahrenheit dapat diklasifikasikan antara daerah nol sampai satu sebagai panas pada tingkat 0. alternatif hitam dan putih. Walaupun kelihatan kontradiksi dari namanya . Hal ini mungkin kelihatan tidak jelas. .Logika Fuzzy mengenali tidak hanya clear cut. Nilai ini kemudian digunakan untuk menurunkan kepastian atau penyelesaian crisp terhadap masalah perancangan. namun lo gika fuzzy menghilangkan banyak keraguan dengan menentukan nilai tertentu pada tingkatan tersebut. logika fuzzy memberikan metoda ketepatan yang dapat diandalkan dari persoalan pengambilan keputusan crisp.6. tapi juga tingkatan tak terbatas antara keduanya.

LABEL adalah nama deskriptif yang digunakan untuk mengidentifikasikan sebuah fungsi keanggotaan. juga mengacu sebagai tingkat keanggotaan. atau masukan fuzzy. anda harus mengenal konsep dasar yang berhubungan dengan logika fuzzy. DERAJAT KEANGGOTAAN adalah : derajat dimana nilai crisp compatible dengan fungsi keanggotaan ( dari 0 sampai 1 ).Untuk mengerti sistem fuzzy. nilai kebenaran. .

dan defuzzyfikasi. Jangkauan konsep. tekanan silinder. Menggunakan logika fuzzy untuk mencapai penyelesaian crisp pada masalah khusus biasanya melibatkan tiga langkah : fuzzyfikasi. Disini domain dari fuzzy set ( fungsi keanggotaan ) adalah dari 0 sampai 20 derajat dan lingkupnya adalah 20 derajat. tempat dimana fungsi keanggotaan dipetakkan. evaluasi rule. Jika anda tidak / belum mengetahui bagaimana logika fuzzy itu bekerja kami sarankan agar anda benar benar memahami betul tiap langkah dalam bagian berikutnya. kontroller konvensional mengambil data dari tabel definisi yang .FUNGSI KEANGGOTAAN adalah mendefinisikan fuzzy set dengan memetakkan masukan crisp dari domainnya ke derajat keanggotaan. MASUKAN CRISP adalah masukan yang tegas dan tertentu LINGKUP / DOMAIN adalah lebar fungsi keanggotaan. dan temperatue silinder untuk mengatur aliran bahan bakar dan spark timing. kontroller mesin mobil merespon variable masukan seperti posisi mesin. DAERAH BATASAN CRISP adalah jangkauan seluruh nilai yang mungkin dapat diaplikasikan pada variabel sistem. Overview Tentang Logika Fuzzy Tujuan dari setiap sistem kendali adalah menghasilkan keluaran untuk masukan yang diberikan. Dalam banyak kasus. biasanya bilangan. Sebagai contoh.

Yang . aliran udara. Lebih jauh hal ini sulit atau bahkan tidak mungkin untuk menurunkan persamaan model matematis dalam tempat pertama. perhitungan mewakili keakuratan model dari perilaku sistem. Meskipun cukup untuk situasi kendali sederhana. katakanlah.menspesifikasikan keluaran yang dihasilkan untuk setiap masukan atau kombinasi masukan. Secara praktis sayangnya perhitungan dapat menjadi cukup rumit. Walaupun namanya agak kontradiktif. campuran bahan bakar. Membesarnya tabel sering menyebabkan kebutuhan memori semakin besar pula. Logika Fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks dan tak terbatas. Secara teori. Bekerja dengan keadaan realtime dari mikrokontroller untuk kedua kondisi tersebut bisa jadi tidak dapat dikerjakan. Sistem mungkin memberikan respon yang tidak merata atau tidak sama layaknya kontroller melompat dari suatu nilai keluaran ke nilai keluaran lainnya. Aturan dasar kontroller fuzzy menghendaki sedikit kode dan memori dan tidak membuthkan heavy numbercrunching atau model matematis kompleks untuk mengoperasikannya. Solusi terhadap masalah ini adalah adanya kontroller yang mengeksekusi perhitungan matematis yang mengekspresikan keluaran sebagai fungsi masukan. waktu pembakaran. pendekatan tabel akan menghadapi masalah saat dibutuhkan banyak masukan atau keluaran. namun perhitungan matematis yang mendasari hubungan tersebut mungkin samar. logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan banyak masalah pengontrolan. Ahli teknik ototmotif dapat memahami hubungan secara umum antara. dan putaran mesin. Sehingga biaya yang dikeluarkan semakin bertambah.

. dan sekarang diterima secara luas di seluruh dunia. Banyak produk komersial memakai logika fuzzy yang menggunakan kurang dari 20 aturan. Logika Fuzzy telah ditransformasikan dalam banyak pasar produk di jepang. Program ini didesain untuk memberikan anda pemahaman dasar pada bagaimana logika fuzzy bekerja dan bagaimana anda dapat mengaplikasikannya kedalam produk anda. Ahli ahli industri percaya bahwa logika fuzzy akan memainkan peran penting dalam lingkup kontrol industri dan menjadi bisnis jutaan dolar. pertama kali anda harus memahami konsep dan prinsip dasarnya.dibutuhkan adalah pemahaman praktis dari perilaku sistem keseluruhan. Untuk mendapatkan keuntungan penggunaan logika fuzzy.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->